HAL : hal-00612239, version 1

DOI : 10.1109/ISCIS.2008.4717904

Fiche détaillée

Récupérer au format BibTeX - EndNote - TEI - RefWorks -

23rd International Symposium on Computer and Information Sciences, 2008. ISCIS '08, Istanbul : Turquie (2008)

An Evaluation of Divide-and-Combine Strategies for Image Categorization by Multi-Class Support Vector Machines

Can Demirkesen 1, Hocine Cherifi 1, 2

(2008)

Categorization of real world images without human intervention is a challenging ongoing research. The nature of this problem requires usage of multiclass classification techniques. In divide-and-combine approach, a multiclass problem is divided into a set of binary classification problems and then the binary classifications are combined to obtain multi-class classification. Our objective in this work is to compare several divide-and-combine multiclass SVM classification strategies for real world image classification. Our results show that One-against-all and One-against-one MaxWins are the most efficient methods.

1 :	BIT lab (BIT Lab)
	Université Galatasaray
2 :	Laboratoire Electronique, Informatique et Image (Le2i)
	Université de Bourgogne – Arts et Métiers ParisTech – CNRS : UMR6306

Domaine

:

Informatique/Vision par ordinateur et reconnaissance de formes

hal-00612239, version 1

http://hal.archives-ouvertes.fr/hal-00612239

oai:hal.archives-ouvertes.fr:hal-00612239

Contributeur : Hocine Cherifi <>

Soumis le : Jeudi 28 Juillet 2011, 13:43:32

Dernière modification le : Lundi 16 Juillet 2012, 10:52:22